چکیده مدیریت سود یکی از موضوعات بحث انگیز در تحقیقات اخیر بوده است. اکثر تحقیقات انجام شده در زمینه مدیریت سود، به بررسی ارتباط خطی متغیرهای مستقل با مدیریت سود و با روش های آماری پرداخته اند. اما از این متغیرها برای کشف مدیریت سود استفاده نکرده اند. دنیای امروز در حال یک تغییر پارادایم از مدل سازی کلاسیک و تحلیل های مبتنی بر مدل اساسی اولیه به توسعه مدل ها مستقیما از خود داده-هاست. امروزه با رشد تکنولوژی اطلاعات و با وارد شدن هوش مصنوعی به حوزه پژوهش های علمی، امکان بررسی روابط غیرخطی بین متغیرها میسر گردیده است. در این میان تصمیمات مالی به دلیل طبیعت بعضا متلاطم متغیرهای تاثیرگذار بر آن ها، بستر مناسبی برای به کارگیری هوش مصنوعی بوده اند. هدف اصلی تحقیق حاضر بررسی ارتباط متغیرهای مستقل با مدیریت سود و با بگارگیری تکنیک-های داده کاوی بوده و در طول تحقیق سعی گردیده است به این سوال پاسخ داده شود که آیا با بکارگیری این تکنیک ها می توان مدلی برای پیش بینی مدیریت سود ارائه کرد؟ جامعه ی آماری مورد بررسی بورس اوراق بهادار تهران در فاصله ی سال های 80 تا 87 می باشد. و کار در دو مرحله انجام گرفته است. در مرحله اول با استفاده از مدل جونز تعدیل شده چندبخشی مدیریت سود برآورد و با استفاده از شبکه های عصبی مصنوعی اقدام به مدل سازی شده است. و همچنین برای ارتباط سنجی متغیرهای مستقل و وابسته رگرسیون های چندگانه نیز به کار گرفته شده است. در مرحله دوم از مدل های جونز، جونز تعدیل شده، جونز تعدیل شده چندبخشی و ایکل برای برآورد مدیریت سود و شناسایی شرکت هایی با سود واقعی و با سود مدیریت شده استفاده گردیده است. و برای پیش بینی مدیریت سود از شبکه های عصبی مصنوعی پرسپترون چندلایه با الگوریتم یادگیری پس انتشار خطا و رگرسیون لجستیک بهره گرفته شده است. نتایج بررسی ها در مرحله اول، ارائه مدلی برای کشف اقلام تعهدی اختیاری با دو لایه پنهان و به ترتیب دارای 20 و 25 نرون در هر لایه می-باشد و مدل از دقتی معادل 93.8 درصد برخوردار است. همچنین مدل پیش بینی مدیریت سود در مرحله دوم دارای دو لایه پنهان و به ترتیب دارای 25 و 15 نرون در هر لایه پنهان بوده و دقت آن 83 درصد می باشد.